可解释的机器学习模型用于预测糖尿病视网膜病变患者显著肝纤维化风险
Gangfeng Zhu1, Na Yang2,3, Qiang Yi1
1The First Clinical Medical College, Gannan Medical University, Ganzhou, 341000, Jiangxi Province, China.
BMC medical informatics and decision making
|November 11, 2024
概括
机器学习模型可以预测糖尿病视网膜病变患者的显著肝纤维化. 使用这些模型的早期检测可以改善临床干预结果.
科学领域:
- 医疗信息学 医疗信息学
- 肝病学 肝病学是一种肝病学.
- 眼科医生 眼科 眼科
背景情况:
- 糖尿病视网膜病变 (DR) 是一种常见的糖尿病并发症.
- 新出现的证据将DR与严重的肝纤维化联系起来.
- 在DR患者中早期检测肝纤维化是至关重要的.
研究的目的:
- 开发和解释机器学习 (ML) 模型,以预测DR患者的显著肝纤维化.
- 利用临床数据进行准确的风险预测.
主要方法:
- 使用国家健康和营养检查调查数据 (2005-2008).
- 使用纤维化-4指数 (FIB-4) 和视网膜病变严重程度的分层肝纤维化.
- 通过使用十倍交叉验证和AUC指标,比较了8个ML模型,包括后勤回归 (LR).
- 为了模型的可解释性,使用了夏普利添加式解释 (SHAP).
主要成果:
- 包括5364名参与者;39.45%的人有显著的肝纤维化.
- 该LR模型表现出卓越的性能,AUC为0.867和F1得分为0.749.
- 内部验证证实了LR的优势 (AUC:0.850,F1得分:0.736).
- SHAP分析确定了肝纤维化的关键预测因素.
结论:
- 开发了复杂的ML模型,用于预测视网膜病患者肝纤维化风险.
- 增强早期检测能力,以便及时进行临床干预.
